http://www.asus.com/jp/News/iidy4mD9PKJk6Zi4/
↑この記事によると、Xtionの有効範囲は
0.8m~3.5mらしい
ということは、gmappingのパラメータをこの様に書き換えたほうがよいのだろうか？
$ rosrun gmapping slam_gmapping _map_update_interval:=0.1 _maxUrange:=3.5 _linearUpdate:=0.10 _angularUpdate:=0.262 _temporalUpdate:=0.5
2013年9月30日月曜日
2013年9月26日木曜日
amclパラメーター
http://wiki.ros.org/amcl?distro=hydro
amclのパラメーターは次の3種類である
(1) 総体的なフィルタ
(2) レーザーモデル
(3) オドメトリモデル
(1) 総体的なフィルタ
min_particles （ int型、デフォルト：100 ）粒子の最小許容数。
max_particles （ int型、デフォルト：5000 ）粒子の最大許容数。
kld_err （double型、デフォルト：0.01 ）真の分布と推定分布の間の最大誤差。
kld_z （double型、デフォルト： 150 ）
pは推定distrubition上の誤差がkld_err未満になる確率ですが、 - の上限標準正規分位点（ P 1 ） 。
よくわからない
update_min_d （double型、デフォルト： 0.2メートル）
フィルタのアップデートを実行する前に必要とされる並進運動。
update_min_a （double型、デフォルト： π/6.0ラジアン）フィルタのアップデートを実行する前に必要とされる回転運動。
resample_interval （ int型、デフォルト： 2）リサンプリング前に必要なフィルタ更新の数。
transform_tolerance （double型、デフォルト： 0.1秒）わからない
recovery_alpha_slow （double型、デフォルト：0.0 （無効） ）ランダムポーズを追加することによって回復するときに決定する際に使用される低速の平均体重フィルタの指数関数的な減衰率。良い値は、0.001であるかもしれません。
ランダムポーズとは？
recovery_alpha_fast （double型、デフォルト：0.0 （無効） ）ランダムポーズを追加することによって回復するときに決定する際に使用される高速の平均体重フィルタの指数関数的な減衰率。良い値は0.1であるかも。
initial_pose_x （double型、デフォルト： 0.0メートル）初期（ x）は、ガウス分布を有するフィルタ初期化するために使用されることを意味をもたらす。
どういうことに使用されるのか？
initial_pose_y （double型、デフォルト： 0.0メートル）初期、 （ y）の意味をもたらすガウス分布とフィルター初期化するために使用。
initial_pose_a （double型、デフォルト：0.0ラジアン）初期ポーズはガウス分布とフィルター初期化するために使用し、 （ヨー）を意味します。
initial_cov_xx （double型、デフォルト： 0.5× 0.5メートル）初期の共分散をポーズ（ X * x）は、ガウス分布とフィルター初期化するために使用。
initial_cov_yy （double型、デフォルト： 0.5× 0.5メートル）初期、 （Y * Y ）共分散をもたらすガウス分布とフィルター初期化するために使用。
initial_cov_aa （double型、デフォルト： （ π/12 ）*（ π/12 ）ラジアン）初期、 （ヨー*ヨー）共分散をもたらすガウス分布とフィルター初期化するために使用。
gui_publish_rate （double型、デフォルト： -1.0 Hz）最大レート（Hz ）がれるスキャンやパスが無効に-1.0 、可視化のために公開されています。
save_pose_rate （double型、デフォルト： 0.5 Hz）最大レート（Hz ）がれる格納する最後の推定変数に、パラメータサーバへのポーズと共分散〜 initial_pose_ *と〜 initial_cov_ * 。このポーズは保存されたフィルタを初期化するために、後続の実行で使用されます。無効にするには-1.0 。
use_map_topic （ブール値、デフォルト：false）trueに設定すると、 AMCLはむしろそのマップを受信するサービスコールを作るよりも、マップのトピックにサブスクライブします。
first_map_only （ブール値、デフォルト：false）trueに設定すると、 AMCLだけむしろ新しいものが受信されるたびに更新するよりも、それがサブスクライブする最初のマップを使います。
(2) レーザーモデル
laser_min_range （double型、デフォルト： -1.0 ）最小スキャン範囲。-1.0はレーザの報告最小範囲を使用。
laser_max_range （double型、デフォルト： -1.0 ）
最大スキャン範囲。-1.0 はレーザの報告最大範囲を使用。
laser_max_beams （ int型、デフォルト：30 ）フィルタの更新時に各スキャンでどのように多くの等間隔のビームが使用される。
laser_z_hit （double型、デフォルト：0.95 ）モデルのz_hit部分の混合重み。
laser_z_short （double型、デフォルト： 0.1）モデルのz_short部分の混合重み。
laser_z_max （double型、デフォルト：0.05 ）モデルのz_max部分の混合重み。
laser_z_rand （double型、デフォルト：0.05 ）モデルのz_rand部分の混合重み。
laser_sigma_hit （double型、デフォルト： 0.2メートル）ガウスモデルの標準偏差は、モデルのz_hit一部に使用した。
laser_lambda_short （double型、デフォルト： 0.1）モデルのz_short部分の指数関数的な減衰パラメータ。
laser_likelihood_max_dist （double型、デフォルト： 2.0メートル）最大距離はlikelihood_fieldモデルで使用するために、地図上に障害物インフレを行うため。
laser_model_type （文字列、デフォルトは" likelihood_field " ）どのモデルを使用すると、ビームまたはlikelihood_fieldどちらか。
(3) オドメトリモデル
「差分」と「全方位」のモデルタイプがある
odom_model_type（文字列、デフォルトは"diff"）
どのモデル、"diff(差分)"または "omni(全方位)"のいずれかを使用する。
odom_alpha1（ダブル、デフォルト：0.2）
ロボットの動きの回転成分からオドメトリの自転の見積りの予想ノイズを指定します。
odom_alpha2（ダブル、デフォルト：0.2）
ロボットの動きの並進成分からオドメトリの自転の見積りの予想ノイズを指定します。
odom_alpha3（ダブル、デフォルト：0.2）
ロボットの動きの並進成分からオドメトリの翻訳上の見積りの予想されるノイズを指定します。
odom_alpha4（ダブル、デフォルト：0.2）
ロボットの動きの回転成分からオドメトリの翻訳見積もりの予想ノイズを指定します。
odom_alpha5（ダブル、デフォルト：0.2）
翻訳関連のノイズパラメータ（モデルは"全方位"である場合にのみ使用）。
odom_frame_id（文字列、デフォルトは"odom"）
どのフレームオドメトリに使用する。
base_frame_id（文字列、デフォルトは"base_link"）
どのフレームロボットベースに使用する
global_frame_id（文字列、デフォルトは"map"）
座標系の名前はローカライゼーションシステムによって発行される
amclのパラメーターは次の3種類である
(1) 総体的なフィルタ
(2) レーザーモデル
(3) オドメトリモデル
(1) 総体的なフィルタ
min_particles （ int型、デフォルト：100 ）粒子の最小許容数。
max_particles （ int型、デフォルト：5000 ）粒子の最大許容数。
kld_err （double型、デフォルト：0.01 ）真の分布と推定分布の間の最大誤差。
kld_z （double型、デフォルト： 150 ）
pは推定distrubition上の誤差がkld_err未満になる確率ですが、 - の上限標準正規分位点（ P 1 ） 。
よくわからない
update_min_d （double型、デフォルト： 0.2メートル）
フィルタのアップデートを実行する前に必要とされる並進運動。
update_min_a （double型、デフォルト： π/6.0ラジアン）フィルタのアップデートを実行する前に必要とされる回転運動。
resample_interval （ int型、デフォルト： 2）リサンプリング前に必要なフィルタ更新の数。
transform_tolerance （double型、デフォルト： 0.1秒）わからない
recovery_alpha_slow （double型、デフォルト：0.0 （無効） ）ランダムポーズを追加することによって回復するときに決定する際に使用される低速の平均体重フィルタの指数関数的な減衰率。良い値は、0.001であるかもしれません。
ランダムポーズとは？
recovery_alpha_fast （double型、デフォルト：0.0 （無効） ）ランダムポーズを追加することによって回復するときに決定する際に使用される高速の平均体重フィルタの指数関数的な減衰率。良い値は0.1であるかも。
initial_pose_x （double型、デフォルト： 0.0メートル）初期（ x）は、ガウス分布を有するフィルタ初期化するために使用されることを意味をもたらす。
どういうことに使用されるのか？
initial_pose_y （double型、デフォルト： 0.0メートル）初期、 （ y）の意味をもたらすガウス分布とフィルター初期化するために使用。
initial_pose_a （double型、デフォルト：0.0ラジアン）初期ポーズはガウス分布とフィルター初期化するために使用し、 （ヨー）を意味します。
initial_cov_xx （double型、デフォルト： 0.5× 0.5メートル）初期の共分散をポーズ（ X * x）は、ガウス分布とフィルター初期化するために使用。
initial_cov_yy （double型、デフォルト： 0.5× 0.5メートル）初期、 （Y * Y ）共分散をもたらすガウス分布とフィルター初期化するために使用。
initial_cov_aa （double型、デフォルト： （ π/12 ）*（ π/12 ）ラジアン）初期、 （ヨー*ヨー）共分散をもたらすガウス分布とフィルター初期化するために使用。
gui_publish_rate （double型、デフォルト： -1.0 Hz）最大レート（Hz ）がれるスキャンやパスが無効に-1.0 、可視化のために公開されています。
save_pose_rate （double型、デフォルト： 0.5 Hz）最大レート（Hz ）がれる格納する最後の推定変数に、パラメータサーバへのポーズと共分散〜 initial_pose_ *と〜 initial_cov_ * 。このポーズは保存されたフィルタを初期化するために、後続の実行で使用されます。無効にするには-1.0 。
use_map_topic （ブール値、デフォルト：false）trueに設定すると、 AMCLはむしろそのマップを受信するサービスコールを作るよりも、マップのトピックにサブスクライブします。
first_map_only （ブール値、デフォルト：false）trueに設定すると、 AMCLだけむしろ新しいものが受信されるたびに更新するよりも、それがサブスクライブする最初のマップを使います。
(2) レーザーモデル
laser_min_range （double型、デフォルト： -1.0 ）最小スキャン範囲。-1.0はレーザの報告最小範囲を使用。
laser_max_range （double型、デフォルト： -1.0 ）
最大スキャン範囲。-1.0 はレーザの報告最大範囲を使用。
laser_max_beams （ int型、デフォルト：30 ）フィルタの更新時に各スキャンでどのように多くの等間隔のビームが使用される。
laser_z_hit （double型、デフォルト：0.95 ）モデルのz_hit部分の混合重み。
laser_z_short （double型、デフォルト： 0.1）モデルのz_short部分の混合重み。
laser_z_max （double型、デフォルト：0.05 ）モデルのz_max部分の混合重み。
laser_z_rand （double型、デフォルト：0.05 ）モデルのz_rand部分の混合重み。
laser_sigma_hit （double型、デフォルト： 0.2メートル）ガウスモデルの標準偏差は、モデルのz_hit一部に使用した。
laser_lambda_short （double型、デフォルト： 0.1）モデルのz_short部分の指数関数的な減衰パラメータ。
laser_likelihood_max_dist （double型、デフォルト： 2.0メートル）最大距離はlikelihood_fieldモデルで使用するために、地図上に障害物インフレを行うため。
laser_model_type （文字列、デフォルトは" likelihood_field " ）どのモデルを使用すると、ビームまたはlikelihood_fieldどちらか。
(3) オドメトリモデル
「差分」と「全方位」のモデルタイプがある
odom_model_type（文字列、デフォルトは"diff"）
どのモデル、"diff(差分)"または "omni(全方位)"のいずれかを使用する。
odom_alpha1（ダブル、デフォルト：0.2）
ロボットの動きの回転成分からオドメトリの自転の見積りの予想ノイズを指定します。
odom_alpha2（ダブル、デフォルト：0.2）
ロボットの動きの並進成分からオドメトリの自転の見積りの予想ノイズを指定します。
odom_alpha3（ダブル、デフォルト：0.2）
ロボットの動きの並進成分からオドメトリの翻訳上の見積りの予想されるノイズを指定します。
odom_alpha4（ダブル、デフォルト：0.2）
ロボットの動きの回転成分からオドメトリの翻訳見積もりの予想ノイズを指定します。
odom_alpha5（ダブル、デフォルト：0.2）
翻訳関連のノイズパラメータ（モデルは"全方位"である場合にのみ使用）。
odom_frame_id（文字列、デフォルトは"odom"）
どのフレームオドメトリに使用する。
base_frame_id（文字列、デフォルトは"base_link"）
どのフレームロボットベースに使用する
global_frame_id（文字列、デフォルトは"map"）
座標系の名前はローカライゼーションシステムによって発行される
2013年9月24日火曜日
gmappingしながらnavigation
この動画では、gmappingしながらnavigationスタックを利用している
やり方は、
やり方は、
$ roslaunch openni_launch openni.launch
新しい端末を開いて
$ rosrun depthimage_to_laserscan depthimage_to_laserscan image:=/camera/depth/image
新しい端末を開いて
$ rosrun rviz rviz
新しい端末を開いて
$ rosrun ROSARIA RosAria
新しい端末を開いて
$ rosrun tf static_transform_publisher 0.150 0.0 0.270 0.0 0.0 0.0 /base_link /camera_link 100
新しい端末を開いて
$ rosrun ROSARIA rob_teleop
新しい端末を開いて
$ rosrun gmapping slam_gmapping
このとき、mapフレームとodomフレームがtfで変換できているので、
amclを使わなくてもmove_base.launchができる
$ roslaunch mypack move_base.launch
そして、ROSARIAの場合、cmd_velトピックは/RosAria/cmd_velなので、
$ rosrun topic_tools relay cmd_vel RosAria/cmd_vel
あとは、rvizを開いて2dnavgoalでゴールを指定する
なお、地図化されていない部分をゴールとして指定したら、移動車は回転する。
自己位置を推定するためだろうか？
地図のマッチングを行いながら移動するため、挙動がつっかえたりする。
つまり、移動車がスムーズに動きにくい。
2013年9月21日土曜日
navigationのゴールを直接送る
rviz上でゴールを指定するのも便利だけど、やっぱ自分でゴールをパブリッシュ出来た方が良いので、やってみる
http://wiki.ros.org/navigation/Tutorials/SendingSimpleGoals
http://wiki.ros.org/navigation/Tutorials/SendingSimpleGoals
2013年9月19日木曜日
gmappingをいかに改善していくか？
gmapping machingで画像検索して
自分のぶつかってる問題と関係ありそうな症状を見つけてみた。
いろいろ記事を読んでみて、わかったことは３つ
それから、もしかすると赤外線の長さも、短くした方がいいかも
おそらく、距離が長いと、それだけ誤差が大きくなるから
自分のぶつかってる問題と関係ありそうな症状を見つけてみた。
the map produced by gmapping was a mess
tips to improve gmapping results
What are good Kinect gmapping parameters?
- Any suggestions and recommendations for mapping long straight corridors using gmapping?
いろいろ記事を読んでみて、わかったことは３つ
- KInectを使っていたとしても、デフォルトの値でもあまり問題は生じない
- それよりも、オドメトリかロボットの操縦方法に異常があるのではという指摘
- 異常なオドメトリに関しての対処は書いてないが、ロボットの操縦についてはヒントがかかれている
- 既知のコーナー（おそらくマッピングが既になされている）を常にカメラの視野に入れておくこと
- それでもパラメーターを変更してマップの精度を上げたければ、以下の三つであると
- linearUpdate
- 減らしたほうがよい
- angularUpdate
- 上と同様、減らしたほうがよい
- particles
- 増やしたほうがよい（100がちょうど良い）
- 更新速度とパーティクルを増やすと上手く行くらしい。あとは運。
それから、もしかすると赤外線の長さも、短くした方がいいかも
おそらく、距離が長いと、それだけ誤差が大きくなるから
2013年9月16日月曜日
gmapping色々やってみてしらべてわかったこと
Kinectをつかってgmappingしているページ
http://www.hessmer.org/blog/2011/04/10/2d-slam-with-ros-and-kinect/
の
この動画によると・・・
とてもゆっくり動かしている
LaserScanを使い、 マッチングするまで待ってから、動かしている
僕は今まで、何にも考えずぐるぐる動かしていた
だから地図がちゃんとつくれなかった
パラメーターは、おそらく、そんなに関係ないと思う
この動画みたいにして動かさないと、ちゃんとした地図が作れない
あと、推測だけど、カメラを置く位置を正確に測ってtfしないと、地図がズレる
もしかしたら、カメラの位置は、中心位置からあまり動かさない方がいいのかもしれない
http://www.hessmer.org/blog/2011/04/10/2d-slam-with-ros-and-kinect/
の
この動画によると・・・
とてもゆっくり動かしている
LaserScanを使い、 マッチングするまで待ってから、動かしている
僕は今まで、何にも考えずぐるぐる動かしていた
だから地図がちゃんとつくれなかった
パラメーターは、おそらく、そんなに関係ないと思う
この動画みたいにして動かさないと、ちゃんとした地図が作れない
あと、推測だけど、カメラを置く位置を正確に測ってtfしないと、地図がズレる
もしかしたら、カメラの位置は、中心位置からあまり動かさない方がいいのかもしれない
gmappingのパラメータ
https://sites.google.com/site/slamnavigation/
あてずっぽうにパラメータをいじくるよりも、このサイトを参考にしてやってみたほうが上手くいきそう
このサイトのパラメータはこんな感じ
$ rosrun gmapping slam_gmapping _map_update_interval:=2.0 _maxUrange:=6.0 _sigma:=0.05 _kernelSize:=1 _lstep:=0.05 _astep:=0.05 _iterations:=5 _lsigma=0.075 _ogain:=3.0 _lskip:=0 _srr:=0.01 _srt:=0.02 _str:=0.01 _stt:=0.02 _linearUpdate:=0.25 _angularUpdate:=0.262 _temporalUpdate:=-1.0 _resampleThreshold:=0.5 _particles:=300 _xmin:=-50.0 _ymin:=-50.0 _xmax:=50.0 _ymax:=50.0 _delta:=0.05 _llsamplerange:=0.01 _llsamplestep:=0.01 _lasamplerange:=0.005 _lasamplestep:=0.005
パラメータの解釈
あてずっぽうにパラメータをいじくるよりも、このサイトを参考にしてやってみたほうが上手くいきそう
このサイトのパラメータはこんな感じ
$ rosrun gmapping slam_gmapping _map_update_interval:=2.0 _maxUrange:=6.0 _sigma:=0.05 _kernelSize:=1 _lstep:=0.05 _astep:=0.05 _iterations:=5 _lsigma=0.075 _ogain:=3.0 _lskip:=0 _srr:=0.01 _srt:=0.02 _str:=0.01 _stt:=0.02 _linearUpdate:=0.25 _angularUpdate:=0.262 _temporalUpdate:=-1.0 _resampleThreshold:=0.5 _particles:=300 _xmin:=-50.0 _ymin:=-50.0 _xmax:=50.0 _ymax:=50.0 _delta:=0.05 _llsamplerange:=0.01 _llsamplestep:=0.01 _lasamplerange:=0.005 _lasamplestep:=0.005
パラメータの解釈
- _map_update_interval:=2.0
- mapの更新間の時間は2.0s
- _maxUrange:=6.0
- レーザーが届く最大範囲は6m
- _sigma:=0.05
- デフォルトの値
- _kernelSize:=1
- デフォルトの値
- _lstep:=0.05
- デフォルトの値
- _astep:=0.05
- デフォルトの値
- _iterations:=5
- デフォルトの値
- _lsigma=0.075
- デフォルトの値
- _ogain:=3.0
- デフォルトの値
- _lskip:=0
- デフォルトの値
- _srr:=0.01
- 0.01m以内のズレを誤差とする
- _srt:=0.02
- 0.02m以内のズレを誤差とする
- _str:=0.01
- 0.01m以内のズレを誤差とする
- _stt:=0.02
- 0.02m以内のズレを誤差とする
- _linearUpdate:=0.25
- 0.25m平行移動したらスキャンの更新
- _angularUpdate:=0.262
- 0.262回転したらスキャンの更新
- _temporalUpdate:=-1.0
- デフォルトの値
- 時間毎のスキャン更新は無し
- _resampleThreshold:=0.5
- デフォルトの値
- _particles:=300
- パーティクルはデフォルトの10倍
- _xmin:=-50.0
- _ymin:=-50.0
- _xmax:=50.0
- _ymax:=50.0
- 初期マップの大きさ
- _delta:=0.05
- デフォルトの値
- _llsamplerange:=0.01
- デフォルトの値
- _llsamplestep:=0.01
- デフォルトの値
- _lasamplerange:=0.005
- デフォルトの値
- _lasamplestep:=0.005
- デフォルトの値
登録:
投稿 (Atom)